夜雨聆风提示词膨胀到 2000 行，每增加一条约束就可能破坏另外三条。很多人调优的第一反应就是「加规则」，但往往越调越乱。调优不是堆规则，而是从错误中发现隐藏的模式。
市场团队的 Sarah 搭了一个 AI 助手，用来自动审核产品 listing 是否符合平台合规要求。
最近 AI 把「充电速度比上一代提升40%」标记为违规，理由是「包含未经认证的性能对比数据」——但这个数据是经过实验室测试的真实结果。
同一个错误，两种处理方式
❌ 做法 A：打补丁
AI 把「充电速度比上一代提升40%」标记为违规 → 告诉 AI「这句话是合规的，不要标记」
能让这句话不被标，但下次遇到「续航比竞品长30%」（同样有实验室数据支撑）还是会被误标。你只豁免了一句话，没找到误判的根因。
✅ 做法 B：挖规则
AI 把「充电速度比上一代提升40%」标记为违规 → 查 AI 的判断逻辑，发现它没有区分「有数据支撑的对比」和「无依据的夸大宣传」 → 补上「数据来源校验」这一层判断
一条规则覆盖了所有有据可查的性能对比，不会再被误标 ✅
调优 = 挖规则，不是打补丁从错误中发现隐藏的模式，让一条规则覆盖一类情况
怎么判断调优方向对不对？看这些信号
✅ 好的调优
✓ 每条规则覆盖一类问题
✓ 调一次，同类问题全部消失
✓ 系统越调越精简
✓ 边界越来越清晰
❌ 差的调优
✗ 每个问题加一条规则
✗ 调了这个，那个又出问题
✗ 提示词越来越长
✗ 不知道哪条规则在起作用
三个真实案例：从「打补丁」到「挖规则」
三个调优方向：规则层 / 架构层 / 效率层
🔴 表面问题：AI 把「滚筒外扩」和「边刷外扩」两个不同功能点错误合并成了一项
❌ 打补丁：增加「滚筒外扩≠边刷外扩」排除规则 → 永远加不完，没有普适性
🔍 根因：判断逻辑用关键词相似度（交集6个/并集8个=75%）→ 没有识别「技术主语不同」
✅ 正确调优：补充「技术主语原则」——主语不同，直接判定为不同技术点，不进入相似度计算
一条规则覆盖了所有「XX外扩≠YY外扩」的问题 ✅
🔴 表面问题：提示词飙升到 2000 行，每增加一条约束就破坏另外三条，陷入死循环
❌ 打补丁：继续在指令中「教AI怎么思考」→ 系统越来越不可维护
🔍 根因：用指令替代结构，把所有逻辑都塞进提示词，超出上下文限制
✅ 正确调优：转向为AI提供「脚手架」——定义思考的容器（模板），用填空题效应让AI自动联想深度
掌控了模板，就掌控了方向。提示词从2000行压缩到核心结构 ✅
🔴 表面问题：自动化流程耗时35分钟，还经常跳过步骤、内容被精简
❌ 打补丁：在主Agent里加更多约束 → 上下文更重，问题更多
🔍 根因：① 串行执行无并行 ② 主Agent上下文过重 ③ AI遇到重复任务会「偷懒优化」
✅ 正确调优：拆分独立模块并行执行，定义模块间契约数据格式，某环节出错只重跑该模块
流程从35分钟缩短，各模块互不干扰，出错可精准定位 ✅
这些是调优过程中最常见的错误，提前知道可以少走弯路。
前人踩过的四个坑
AI 说「增加排除规则」就增加，10 轮调优后发现系统越来越不好用。
💡 停一下，问自己：这个方案能解决一类问题，还是只能解决眼前这一个？只能解决这一个 → 大概率是补丁，不是规则。
每次出问题就加强调，提示词越堆越长，上下文越来越重，问题反而越来越多。
💡 停一下，试试先删再加——如果删掉一些规则反而变好了，说明问题不在「少」，在「多」。
修了一个 bug，另一个地方又坏了。感觉在打地鼠。
💡 停一下，问自己：有没有一个评测集，能帮你确认「改好的不倒退」？没有 → 调优就是盲打。
不看系统文件内容，只看输出结果，让 AI 自己改。结果项目文件被改成一锅粥。
💡 停一下，问自己：你知道问题出在哪个模块、哪个文件吗？先搞清楚系统结构，再指引 AI 去改。
怎么判断越调越好？先建 Baseline
没有标的的调优是盲调
准确率
核心任务的正确率
覆盖率
边界场景有没有被正确处理
稳定性
同样输入，输出是否一致
效率
耗时和资源消耗
建立 Baseline 实操步骤
挑选 3-5 个代表性任务（覆盖常见场景 + 边界场景）
跑出当前表现，记录四个指标 + 关键环节输出
每次调优后，用同样的任务跑一遍，对比变化
记录「最佳表现」作为标的，倒退了要能发现、能回滚
数据变好 = 继续 | 数据变差 = 回滚，换思路
这节的核心
🔧
规则层
修补判断逻辑从错误挖出根因模式
📐
架构层
做减法用模板替代冗长指令
⚡
效率层
拆分模块并行减轻上下文负担
调优者最后的解法都有一个共同点——不是在 AI 给的方向上走得更远而是跳出来，重新定义了问题本身
- END -
本文旨在帮助读者科学调优 AI 系统，文中方法和框架仅供参考